网络控制系统研究进展

对网络控制系统领域的主要研究成果和将来可能遇到的挑战进行阐述。网路控制系统主要分为网络控制、基于网络的控制和多智能体系统3个研究领域。网络控制是针对网络自身的控制,主要是对通信网络的网络路由、网络流量等的调度与控制：基于网络的控制是对被控系统的控制,网络只是作为一种传输通道。研究时考虑网络自身存在的问题对系统的影响．对整个闭环系统进行建模、性能分析以及控制器的设计等;多智能体系统主要是研究网络的拓扑结构和多智能体之间相互作用对整个系统行为的影响。本文主要针对基于网络的控制系统中的时延、丢包、多包传输问题,介绍近年来网络控制系统分析与综合方面的研究成果和最新进展。最后,论述了网络控制系统研究中尚待解决的问题,展望了网络控制系统未来的发展前景。     

基于混杂系统技术的网络控制系统的建牛与稳定性分析

针对网络控制系统中网络带宽受限所产生的传输延时问题提出一种基于混杂系统技术的建模方法,采用动态输出反馈形式给出了闭环网络控制系统描述,将采样周期和传输延时为常数的情况推广到时变情况,使所建立的模型更具有一般性;并运用混杂系统理论分析了网络控制系统的稳定性,避免了将其转化成一般延时系统构造Lyapunov函数所带来的困难.增大系统稳定域的同时,使系统具有良好的动态性能.仿真结果说明了此方法的可行性和有效性.     

污水厂计算机集成制造系统的设计和实现

介绍了松江污水厂计算机集成制造系统的设计方案,论述了系统的软硬件构成,以层次的观点描述了该系统的各功能模块,对现场总线技术和混合分布式控制网络技术做了详细的阐述,对构筑同类型工业控制系统有一定的参考价值。     

基于现场总线技术的先进控制系统

以现场总线PROFIBUS为背景,描述一个基于现场总线控制系统的结构组成,并分析系统的市场前景。     

基于输出反馈的网络控制系统随机通信逻辑设计

针对具有丢包的网络控制系统被控对象状态无法直接测量的情况,设计了状态观测器,给出了一种基于状态依赖泊松过程决定的随机通信逻辑,应用于一般结构的输出反馈网络控制系统中．提出了具有随机通信逻辑的网络控制系统的结构,建立了网络控制系统模型,利用随机点过程理论分析了系统的稳定性,进一步证明了系统的均方渐近稳定性．仿真算例表明加入通信逻辑后,在保证系统稳定的情况下,数据发送次数明显减少,有效地减轻了网络负担．     

PROFIBUS-DP和MPI 在造纸生产通信网络中的应用

针对某造纸厂生产线改造项目,文章介绍一种基于MPI和PROFIBUS-DP通信网络控制系统,该通信网络控制系统包括监控级和现场级,监控级采用MPI通信总线,现场级采用PROFIBUS-DP通信总线,系统可靠性高、开放性好.文中介绍了通信网络的整体结构,详细阐述了上位机中WinCC监控系统的实现方式和现场级网络中DP主站...     

马尔可夫时滞网络控制系统的稳定性

针对同时具有马尔可夫(Markov)链跳变特性时滞和随机丢包现象的网络控制系统,建立了网络控制系统的离散模型,利用李亚普诺夫稳定性理论、线性矩阵不等式和自由权矩阵方法,分析了系统的均方稳定性和均方可镇定性,并基于线性不等式给出了系统均方稳定、镇定判据.该方法能判定具有马尔可夫时滞和丢包的网络控制系统的均方稳定性,并设计出同等条件下的均方可镇定时滞依赖控制器.与现有方法相比.能更准确地描述网络时滞特性,有效减小系统保守性,结果更具一般性.最后通过仿真实例证明了方法的有效性.     

移动电话网络实时计费系统的设计

介绍了移动电话网络实时计费系统的设计方法．描述了计费系统的功能和网络结构，分析了计费系统的性能．     

面向实现的智能控制系统建模

为了高效、可靠地实现一个智能控制系统,需要对该智能控制系统从实现的角度进行系统化描述,清楚系统涉及的变量、关系和时序.在理论和实践的结合上,从功能和运行方式的角度,分析了智能控制系统的特点;讨论了智能控制系统的模型结构;阐述了智能控制系统建模应该解决的问题和解决这些问题的方法;提出了一个面向实现的智能控制系统的建模方法.     

一种改进的线性网络控制系统的鲁棒稳定性分析

考虑在网络传输延迟和数据丢包二者共同影响下的具有时变结构不确定性的线性网络控制系统的稳定性问题.首先采用模型变化方法,将网络控制系统模型转换为时滞系统模型;然后,通过引入一种新的考虑网络传输延迟下界的Lyapunov泛函,对具有结构不确定性的时变时滞系统的稳定性进行分析,给出了时滞相关的系统镇定的线性矩阵不等式条件.最后通过数值实例证明本文方法与现有方法相比具有更小的保守性.     

非线性系统的神经网络自学习控制

提出了一种对非线性系统的神经网络自学习控制方法,基于逆动力学控制的思想,构造了神经网络结构一致的控制器和辩识器。辨识器采用多层前向网络结构和广义Ｄｅｌｔａ学习规则算法实现了对系统逆动力学模型的动态辨识,并通过在线动态传递权值给神经网络控制器的方法实现了神经网络辨识器的神经网络控制器的有机结合,从而使整个控制系统具有很强的自适应和自学习能力,所提出的控制方案可适用于不含滞后环节和包含滞后环节的非线性     

基于神经网络的有源电力滤波器预测控制方法

提出了一种基于神经网络的有源电力滤波器预测控制方法。此方法将神经网络内模控制技术应用到有源电力滤波器（ＡＰＦ）的控制系统中,同时针对ＡＰＦ控制系统中神经网络计算时延问题,引入了一个神经网络预测模型。仿真分析表明,这种控制方法补偿了系统滞后,能充分利用神经网络的自适应特性,有很好的控制效果。     

基于BP神经网络的PID控制器研究

从BP神经网络的基本原理、学习规则和学习算法出发,研究了基于BP神经网络的PID控制方法,采用3层前向网络及动态BP算法,取得了较高的控制品质。仿真结果表明,基于BP神经网络的PID控制方法在处理非线性和时变系统时具有很强的鲁棒性。     

一种基于小波神经网络的自适应控制方法

提出了一种基于小波神经网络的自适应控制方法,该方法利用两个小波神经网络作为自适应系统的辩识器和控制器来构成自适应控制系统。由于小波函数具有紧支性以及神经网络的非线性映射能力,因而在所构成的控制系统中,辨识器能更准确地近似具有较强非线性被控对象的动态特性,控制器能产生较为复杂的控制规律。仿真结果表明,该系统比一般神经网络控制系统具有调节速度快和超调小等更好的控制效果。     

求解线性不定方程组所展现的BP与Hopfield类型神经网络的学习同质性研究

主要针对求解线性不定方程组的两种并行计算神经网络模型(BP和Hopfield类型神经网络)进行了探讨。BP神经网络和Hopfield类型神经网络尽管在起源、网络定义、拓扑结构和学习模式上有较大的不同,但这两类人工神经网络在相同学习率条件下求解线性不定方程组中却可以表现出相同的数学公式、学习本质和计算能力,即学习同质性。此外,分别在零初值、相同但非零初值和不同随机初值三种情况下,针对两类人工神经网络求解线性不定方程组体现出来的学习同质性进行了计算机仿真验证,并证实了两类神经网络算法的有效性。     

基于神经元网络的非线性系统间接自校正预测控制器

提出了一种使用神经元网络的非线性系统间接自校正预测控制器。这一控制方法是基于两个神经元网络,一个用于动态过程的建模,另一方面用于获取控制信号。控制器的优化目标基于过程输出的向前多步预测。两个网络在线学习均采用了非线性最小二乘法。     

连续发酵过程的神经网络预测和控制

给出了神经网络趋化性算法的一种新的实现策略，在此基础上，提出了一种动态递归神经网络建模方法和一种控制作用受限的自学习非线性控制方法。将其用于连续搅拌签式发酵器的状态变量的在线预测和优化控制，仿真结果表明，预测精度高，控制效果好，具有强抗扰和强鲁棒性。在不知道生化过程模型结构的情况下，神经网络模型，可取很容易地通过在线或离线学习到高度复杂的非线性生化过程的输入．输出关系。对于经过最优操作点，稳态增益的符号会发生变化的这类难以控制的生化过程，神经网络非线性控制策略，可以使生化反应器始终维持在最优状况。本方法有望在实际工业过程中得到应用。     

针对慢时变非线性系统可拓控制与其他控制方法的比较

本文通过对一个具体的慢时变非线性系统应用可拓控制与其他两种神经网络控制方法进行仿真控制,得出了对该类系统可拓控制具有明显优势的结论.     

生物神经系统的一些动力学问题

生物神经系统具有极其复杂的多尺度、多层次的超级网络结构, 承担着生物体的感知、认知、运动控制等重要功能, 存在十分丰富的动力学行为。作者对生物神经系统的时空动力学、网络动力学建模、智能活动等几个基本的动力学问题进行简要综述, 探讨它们与力学之间的内在联系, 并在此基础上对神经动力学的今后发展进行展望。